重新定义数据治理：弥合技术专家和领域专家之间的差距

正文

请到「今天看啥」查看全文

年复一年，公司追逐最新的技术创新，但他们进一步偏离了解决需要领域专家的洞察力和专业知识的系统性数据管理问题。

这些领域专家经常因为缺乏技术专业知识而被排挤在一边，他们拥有关于数据本身的宝贵知识。在自助服务时代，他们的角色传统上仅限于数据“消费者”。

然而，我们正在过渡到这样一个时期，在这个时期，这些专家将成为全公司数据的“生产者”，这一角色与他们之前的贡献有很大不同。虽然领域专家一直通过ERP和CRM等系统参与运营层面的数据生产，但他们对公司总体数据叙述的影响微乎其微。

考虑许多公司中的一个常见场景：跨多个系统管理客户数据。客户数据的碎片化需要集成点，各种数据流在此汇聚，以实现报告、RPA、AI和开票等目的。

虽然数据仓库和数据湖在这一过程中发挥了作用，但它们主要以IT和工程为中心，忽视了领域专家的关键输入，这些专家可以识别相互冲突的数据记录，并对数据的准确性和完整性做出明智的决定，影响下游和上游系统。

增强领域专家的能力

随着数据行业倾向于去中心化，在数据治理、主数据和数据质量方面缺乏健壮的框架变得非常明显。

许多公司普遍存在的问题不是数据量太大或缺乏技术选择，而是错误地假设他们的数据天生就适合洞察、AI应用和民主化，这种误解掩盖了真正的挑战：需要一种整合领域专业人员专业知识的全面数据管理方法。

实用AI应用的出现标志着数据治理历史上的一个分水岭时刻，这项技术不仅是自动化的工具，它还充当技术领域和商业领域之间的桥梁，它提供了一个平台，业务专家可以在其中对数据策略和决策流程做出有意义的贡献。

由于具备必要的技能，技术团队最初承担了数据治理的重任，然而，这种格局正在经历一场变革性的变化，我们正站在一个令人兴奋的时代的边缘，在这个时代，数据治理将在技术和领域专家共同参与的协作方法的推动下获得动力。

公司可以促进IT和业务单位之间的协作，并通过实施几个关键战略来增强和支持数据管理和数据治理方面的领域专家。

请到「今天看啥」查看全文